写作指导

论文讨论部分写作之南

时间：2024-09-06 10:38 所属分类：写作指导 点击次数：

　　讨论部分写作中最常见的疏忽，也许就是没有返回到文献之中，把自己的研究结果跟其他的关于同一现象的实证研究联系起来。好的讨论，要把每一个结果都嵌入文献综述所提供的理论环境之中。因此，在讨论这部分，需要引用某些自己在前面讨论过的相关研究;需要再回到文献中，来寻找理解自己研究结果的更多角度，来寻找支持性的或反对性的证据。克叶尔·埃瑞克·鲁德斯坦(Kjell Erik Rudestam ) 雷·R.牛顿( Rae R. Newton)在《顺利完成硕博论文》中对如何写好“讨论”进行了详细讲解，接下来，我们将一一介绍。

　　一、基本要素

　　好的讨论部分通常包括以下要素:

　　(1)对重要研究发现的概述

　　(2)依据现有研究对本研究发现的思考

　　(3)本研究对当前理论的意义(纯应用型研究除外)

　　(4)对未能支持或只是部分支持假设的那些发现进行仔细盘查

　　(5)可能影响结果有效性或概括性的各种局限

　　(6)对进一步研究工作的建议

　　(7)本研究对专业实践或应用的意义(这条可有可无)

　　其中，第(2)步最常忽略，这一环节一般可以使用文献对比进行写作，也即将自己的研究与已有研究进行比较。当然其他环节如要寻找支持性或是反对性的证据，也建议采用文献对比的形式。下面是两个常见的写作示例，我们写作时可参考如下模式：

　　本研究的结果跟琼斯(Jones，2003)的发现相一致，即，习得性无助与就业努力之间呈负相关，但本研究把琼斯的发现扩展到了非残疾人群。

　　和史密斯(2004)靠自我报告来寻找掩饰证据而得到的结果有所不同，本研究的发现得到行为证据的支持，即青少年实际喝的酒比他们向家人承认的要多。

　　二、其他细节

　　下面是一些如何写好“讨论”部分的其他建议，这些建议的基础是研究者的一些普遍误解：

　　(1)资料分析应该在“结果”部分彻底展示出来。就像在“结果”部分中不讨论研究发现一样，在讨论部分也不能展示对资料的二次分析。

　　(2)不要重复和再次阐述已经说过的观点。“讨论”部分经常被错误地当作是对各种具体发现的总结，其实不是这样。相反，这部分是要讨论发现，而不是叙述发现，焦点是说明如何通过分析各特定变量之间的关系来从你的资料中推断出更广泛的概念和理论。比如，“基于这些发现，似乎只是在未公开表达悲痛的家庭中，丧失父亲或母亲才导致了青少年自杀风险的增加。”要避免做跟实证资料或理论没有关联的臆测。

　　(3)学位论文中的常见倾向是，罗列出关于一项研究的所有可能的批评，而且语气颇为自责。其实，更好的做法是接受研究的实际情况。如果真的有根本性的批评，像把负面发现归咎于研究设计的重大缺陷，那就完全有理由质疑：这样的研究为什么还要做呢?同时，确认研究是否有未曾预计到的缺陷或局限是合理的。但只有在评价自己研究结论的相对可信度时，才需要这么做。

　　(4)另一种常见的倾向是，为未来的研究提了一长串的建议。我们不主张这么做。集中提上一两个主要建议要好得多。例如，建议将某一研究扩展到男性、黑发白种女性、13到16岁少年等，这其实浪费篇幅。更好的建议是，为了推进给定领域里的某项研究，指出接下来应该做什么。

　　(5)注意，不要把该项研究就能轻易解决的问题作为对未来研究的建议提出来。这种建议显示的只能是对自己的资料研究得还不够透彻。

　　(6)不要包括细节，也不要漫无边际。这是展示我们创造性思维的好机会。但是，和其他各部分一样，“讨论”部分也要有逻辑，有焦点。要保持科学研究者应有的节制，方法之一就是避免使用情感色彩浓烈的语言，例如，“令人吃惊”，甚至“有趣”或“重要”等。要让读者根据你的资料实事求是地来判断你的结果和结论，而不是根据你的夸张和放大。

　　(7)我们必须呈现并讨论具有显著性的发现。但是，当结果不具统计显著性或“接近”显著时，不能把不显著的发现充作显著发现。虽说显著性水平的约定(即0.05或0.01)多少也带点任意性，而且，每个领域似乎都有自己的流行标准，以供大家判断到底是承认还是忽略未达到先验水平的倾向。但我们的立场是，发现的效应大小(例如一个变量能解释另一个变量方差的百分比或者相关性系数大小)终究要比效应的统计显著性提供更多的信息。这是不要盲目轻信统计学的又一理由，因为统计要么高估特定结果的意义，要么低估。

　　对于不显著的结果，也不需要感到特别沮丧。其实，结果不显著并不意味着研究质量低劣。研究就是这样的寻宝行当，谁也无法知道结果会怎么样;如果一项研究是按照规范的程序做的，负面结果一定不能作为否定研究成就的证据。在采集资料之前，就应该对研究所有可能出现的结果有所预期并做好解释的准备，从而使研究结果不会成为坏结果，这一点非常重要。对于推进学科领域中的知识而言，任何结果都是有价值的信息。只不过，负面结果预示要做全面性的研究。这种结果通常可归因于方法或理论上的缺陷。挑战一个常见理论是一个很好的机会，有可能成为重大的研究贡献。方法上的缺陷可能要难处理一些，因为，这类缺陷本该在研究的设计阶段就予以关注。虽然如此，现实世界和计划总会存在一些偏差。即便是最细心的研究者，事先也未必就能预料到诸如邮件寄错、助手辞职、参试拒绝完成后测、仪器发生故障之类的情况。